我知道之前有关于内存错误的问题，例如这里、这里、这里、这里或这里。建议的解决方案通常是切换到Python 3和/或Window 64位，或者在出现故障的代码情况下修复代码。然而，我已经使用的是Python 3和Win 64。我还可以从Windows任务管理器中看到，当Python抛出内存错误时，我仍然有几GB的64GB RAM可用。
我有大约15个日期索引的Pandas数据帧，每个数据帧有14000行，平均有5000列的浮点数据，以及约40-50％的NaN值，这些数据从硬盘中读取。我不能简单地删除NaN，因为不同的列在不同的日期具有NaN。当我尝试使用pd.concat()将它们连接起来时，会发生内存错误。因此，这不是某些有误的代码或while循环的问题。如果我在连接中留下一些数据帧，则不会在连接中发生内存错误，但是当我尝试对连接的数据进行Scikit学习决策树分析时，它就会发生。
我的问题是如何使Python使用所有可用的内存而不抛出内存错误？
编辑：添加了截图
IPython解释器截图（我甚至没有安装Python 2）：
系统信息截图：
4.2GB，不考虑任何开销。现在，如果您将第一个表格与第二个表格组合，它将需要2 * 280 = 560 MB。然后将其与下一个表格组合：840 MB，然后是1.1 GB等...直到最后一个表格为4.2 GB。将其总结起来就是8 GB加上原始的4.2 GB，所以是12 GB。Pandas可以很容易地具有100％的开销，因此为24 GB（我知道其他库具有700％的开销）。 - Thomas Weller